本文认为通常的做法是用以前访问的物品来刻画用户静态偏好,近期会话表达用户动态(近期)偏好(意图);而本文的做法是,只利用近期的会话,只不过会分别学出两个表达,对应于静态的偏好,以及动态的意图。
本文主要亮点在于:学习意图表达时,利用了meta-learning,假设了一个会话具有同一个意图。因此,可以利用会话中前面的物品作为支持(小样本集),调整模型参数w(meta-learner中的核心);利用w再学习用户意图表达。
最后联合用户偏好和意图表达,预测评分。
以下相关论文:《Online Meta-Learning》
文献题目 | 去谷歌学术搜索 | ||||||||||
Intent Preference Decoupling for User Representation on Online Recommender System | |||||||||||
文献作者 | |||||||||||
文献发表年限 | 2020 | ||||||||||
文献关键字 | |||||||||||
意图建模;intention;meta-learning | |||||||||||
摘要描述 | |||||||||||